信贷风险自动评估方法和装置制造方法及图纸

本发明专利技术实施例提供一种信贷风险自动评估方法和装置，该方法包括基于用户提交的基本身份信息与授权信息，获取用户的信贷信息，其中，信贷信息包括基础信贷申请信息、行为表现信息和金融产品相关信息；提取信贷信息中的N个原始特征，对N个原始特征采用K‑S值最大的分箱算法进行处理，得到分箱结果特征；对分箱结果特征采用交叉特征衍生算法处理，得到衍生出的交叉特征；将衍生出的交叉特征、分箱结果特征和N个原始特征进行结合，剔除无效特征，得到重要特征；将重要特征输入预设的信用评分等级模型，得到所述用户的信用等级。本发明专利技术实施例提供的方法和装置，实现了提高智能风控系统的算法的召回率和准确率。

【技术实现步骤摘要】
信贷风险自动评估方法和装置
本专利技术涉及大数据风控
，尤其涉及一种信贷风险自动评估方法和装置。
技术介绍
传统信贷审批严重依赖于人工审核，一方面银行等出借方要耗费大量的人力物力进行资料审查、电调走访等，成本极高，另一方面个人用户/法人用户等借贷方从提交信贷申请到获得审批结果往往要耗费数周，体验极差。伴随着人工智能技术的发展，智能风控系统开始在信贷领域崭露头角，且有逐步替换人工审核的趋势，智能风控系统通过聚合用户基础属性数据、历史信贷行为数据、社交行为数据、消费行为数据、出行数据、运营商数据等等，从多个维度全面衡量用户的信贷风险，用户只需提交身份证号、手机号等基本属性信息，即可在几分钟甚至几秒钟内获得信贷审批结果，高效快捷，智能风控系统可显著提高出借方的业务效率，降低出借方的运营成本，同时提升信贷用户的信贷体验。目前智能风控系统的痛点与难点是如何使用好的算法有效提升区分用户能力，即如何有效提升高信用风险用户的识别率，同时避免误伤低风险用户，也就是如何同时提升算法的召回率和准确率，从而保证出借方利益的最大化。r>因此，如何避免现本文档来自技高网...

【技术保护点】
1.一种信贷风险自动评估方法，其特征在于，包括：/n基于用户提交的基本身份信息与授权信息，获取用户的信贷信息，其中，所述信贷信息包括基础信贷申请信息、行为表现信息和金融产品相关信息；/n提取所述信贷信息中的N个原始特征，对所述N个原始特征采用K-S值最大的分箱算法进行处理，得到分箱结果特征，其中，N为正整数；/n对所述分箱结果特征采用交叉特征衍生算法处理，得到衍生出的交叉特征；/n将所述衍生出的交叉特征、所述分箱结果特征和所述N个原始特征进行结合，剔除无效特征，得到重要特征；/n将所述重要特征输入预设的信用评分等级模型，得到所述用户的信用等级。/n

【技术特征摘要】
1.一种信贷风险自动评估方法，其特征在于，包括：
基于用户提交的基本身份信息与授权信息，获取用户的信贷信息，其中，所述信贷信息包括基础信贷申请信息、行为表现信息和金融产品相关信息；
提取所述信贷信息中的N个原始特征，对所述N个原始特征采用K-S值最大的分箱算法进行处理，得到分箱结果特征，其中，N为正整数；
对所述分箱结果特征采用交叉特征衍生算法处理，得到衍生出的交叉特征；
将所述衍生出的交叉特征、所述分箱结果特征和所述N个原始特征进行结合，剔除无效特征，得到重要特征；
将所述重要特征输入预设的信用评分等级模型，得到所述用户的信用等级。


2.根据权利要求1所述的信贷风险自动评估方法，其特征在于，所述提取所述信贷信息中的N个原始特征，对所述N个原始特征采用K-S值最大的分箱算法进行处理，得到分箱结果特征，其中，N为正整数，具体包括：
提取所述信贷信息中的所有N种属性信息，形成N个原始特征；
基于如下公式对所述N个原始特征进行K-S值最大的分箱算法处理：



其中，{f1,f2,f3,…,fi,…,fN}为所述N个原始特征的集合，fi为所述N个原始特征中的第i个原始特征，0＜i≤N,为分箱结果特征的集合，ficut为对应于原始特征fi的分箱结果，Fcut_bin为K-S值最大的分箱算法。


3.根据权利要求1或2所述的信贷风险自动评估方法，其特征在于，所述对所述分箱结果特征采用交叉特征衍生算法处理，得到衍生出的交叉特征，具体包括：
基于如下公式对所述分箱结果特征进行交叉特征衍生算法处理：



其中，为分箱结果特征的集合，为衍生出的交叉特征的集合，T为正整数，Pgen为交叉特征衍生算法。


4.根据权利要求1或2所述的信贷风险自动评估方法，其特征在于，所述将所述衍生出的交叉特征、所述分箱结果特征和所述N个原始特征进行结合，剔除无效特征，得到重要特征，具体包括：
将所述衍生出的交叉特征、所述分箱结果特征和所述N个原始特征进行结合，得到结合后特征；
再采用卡方验证算法、信息增益算法、IV值算法、梯度提升树算法、特征PSI指数算法、特征方差值算法、皮尔逊相关系数算法和最大信息系数算法中的任一种算法或者任意种算法的组合进行所述结合后特征的重要性评估；
基于所述评估结果，剔除无效特征，保留重要特征。


5.根据权利要求1或2所述的信贷风险自动评估方法，其特征在于，所述将所述重要特征输入预设的信用评分等级模型，得到所述用户的信用等级，具体包括：
将所述重要特征输入基于LightGBM算法的分析模型，输出所述用户为易贷后逾期违约的概率为p，所述用户为不易贷后逾期违约的概率为1-p；
其中，所述基于LightGBM算法的分析模型是基于10折交叉验证方法进行训练的，训练完成后得到10个基本分析模型组成所述基于LightGBM算法的分析模型，p是所述10个基本分析模型输出的10个基本用户为易贷后逾期违约的概...

【专利技术属性】
技术研发人员：李少帅，张博，张胜庆，曹家楷，张帆，
申请(专利权)人：长安汽车金融有限公司，
类型：发明
国别省市：重庆;50